kursathalat/multilabel_ds

该数据集是通过Argilla创建的，包含一个配置文件`argilla.yaml`和与HuggingFace `datasets`库兼容的记录。数据集主要用于文本分类任务，包含文本字段和多标签选择问题。数据集的注释指南提供了文本分类的基本指导，但关于数据集的创建理由、源数据、注释过程、注释者、个人和敏感信息、社会影响、偏见讨论、其他已知限制、数据集策展人、许可信息、引用信息和贡献等方面的详细信息尚未提供。

原始信息汇总

数据集卡片 for multilabel_ds

数据集描述

• 主页: https://argilla.io
• 仓库: https://github.com/argilla-io/argilla
• 论文:
• 排行榜:
• 联系人:

数据集概述

该数据集包含：

• 符合Argilla数据集格式的配置文件argilla.yaml。该配置文件将在使用Argilla的FeedbackDataset.from_huggingface方法时用于配置数据集。
• 与HuggingFace datasets兼容的数据集记录。这些记录在使用FeedbackDataset.from_huggingface时会自动加载，也可以通过datasets库独立加载。
• 用于构建和整理数据集的标注指南（如果已在Argilla中定义）。

加载数据集

使用Argilla加载

安装Argilla： python pip install argilla --upgrade

然后使用以下代码加载数据集： python import argilla as rg

ds = rg.FeedbackDataset.from_huggingface("kursathalat/multilabel_ds")

使用datasets库加载

安装datasets库： python pip install datasets --upgrade

然后使用以下代码加载数据集： python from datasets import load_dataset

ds = load_dataset("kursathalat/multilabel_ds")

支持的任务和排行榜

该数据集可以包含多个字段、问题和响应，因此可以用于不同的NLP任务，具体取决于配置。数据集结构在数据集结构部分中描述。

该数据集没有关联的排行榜。

语言

[更多信息需要]

数据集结构

数据在Argilla中

数据集在Argilla中创建，包含以下内容：字段、问题、建议、元数据、向量和指南。

字段是数据集记录本身，目前仅支持文本字段。这些字段将用于提供对问题的响应。

字段名称	标题	类型	必需	Markdown
text	文本	text	True	False

问题是向标注者提出的问题。它们可以是不同类型，如评分、文本、标签选择、多标签选择或排名。

问题名称	标题	类型	必需	描述	值/标签
label	标签	multi_label_selection	True	N/A	[admiration, amusement, anger, annoyance, approval, caring, confusion, curiosity, desire, disappointment, disapproval, disgust, embarrassment, excitement, fear, gratitude, grief, joy, love, nervousness, optimism, pride, realization, relief, remorse, sadness, surprise, neutral]

建议是人为或机器生成的推荐，用于在标注过程中协助标注者。这些建议总是与现有问题相关联，并通过在问题名称后附加"-suggestion"和"-suggestion-metadata"来命名，分别包含建议的值及其元数据。

元数据是一个字典，用于提供关于数据集记录的额外信息。这可以为标注者提供额外的上下文，或提供关于数据集记录本身的额外信息。元数据总是可选的，并且可以与argilla.yaml中的metadata_properties定义相关联。

元数据名称	标题	类型	值	对标注者可见

指南是可选的，只是一个可以向标注者提供指令的纯字符串。请参阅标注指南部分。

数据实例

在Argilla中的数据集实例示例如下：

json { "external_id": null, "fields": { "text": " "If you donu0027t wear BROWN AND ORANGE...YOU DONu0027T MATTER!" We need a tshirt with that on it asap! " }, "metadata": {}, "responses": [ { "status": "submitted", "user_id": "525f4274-ebb4-4aee-a116-f8b422b2e2b4", "values": { "label": { "value": [ "approval", "neutral" ] } } } ], "suggestions": [ { "agent": null, "question_name": "label", "score": null, "type": "human", "value": [ "annoyance", "neutral" ] } ], "vectors": {} }

在HuggingFace datasets中的相同记录示例如下：

json { "external_id": null, "label": [ { "status": "submitted", "user_id": "525f4274-ebb4-4aee-a116-f8b422b2e2b4", "value": [ "approval", "neutral" ] } ], "label-suggestion": [ "annoyance", "neutral" ], "label-suggestion-metadata": { "agent": null, "score": null, "type": "human" }, "metadata": "{}", "text": " "If you donu0027t wear BROWN AND ORANGE...YOU DONu0027T MATTER!" We need a tshirt with that on it asap! " }

数据字段

数据集字段包括以下内容：

• 字段: 这些是数据集记录本身，目前仅支持文本字段。这些字段将用于提供对问题的响应。

  • text 类型为 text。

• 问题: 这些是向标注者提出的问题。它们可以是不同类型，如RatingQuestion、TextQuestion、LabelQuestion、MultiLabelQuestion和RankingQuestion。

  • label 类型为 multi_label_selection，允许的值为 [admiration, amusement, anger, annoyance, approval, caring, confusion, curiosity, desire, disappointment, disapproval, disgust, embarrassment, excitement, fear, gratitude, grief, joy, love, nervousness, optimism, pride, realization, relief, remorse, sadness, surprise, neutral]。

• 建议: 从Argilla 1.13.0开始，建议已被包含在内，以在标注过程中为标注者提供建议，以简化或协助标注过程。建议与现有问题相关联，总是可选的，并且不仅包含建议本身，还包含与之相关的元数据（如果适用）。

  • (可选) label-suggestion 类型为 multi_label_selection，允许的值为 [admiration, amusement, anger, annoyance, approval, caring, confusion, curiosity, desire, disappointment, disapproval, disgust, embarrassment, excitement, fear, gratitude, grief, joy, love, nervousness, optimism, pride, realization, relief, remorse, sadness, surprise, neutral]。

此外，还有两个可选字段：

• metadata: 这是一个可选字段，用于提供关于数据集记录的额外信息。这可以为标注者提供额外的上下文，或提供关于数据集记录本身的额外信息。例如，您可以使用此字段提供数据集记录的原始来源链接，或提供关于数据集记录本身的额外信息，如作者、日期或来源。元数据总是可选的，并且可以与argilla.yaml中的metadata_properties定义相关联。
• external_id: 这是一个可选字段，用于为数据集记录提供外部ID。如果您希望将数据集记录与外部资源（如数据库或文件）相关联，这可能很有用。

数据分割

数据集包含一个分割，即train。

数据集创建

整理理由

[更多信息需要]

源数据

初始数据收集和规范化

[更多信息需要]

源语言生产者是谁？

[更多信息需要]

标注

标注指南

这是一个文本分类数据集，包含文本和标签。给定一组文本和预定义的标签集，文本分类的目标是根据文本内容为其分配一个或多个标签。请通过做出正确的选择来对文本进行分类。

标注过程

[更多信息需要]

标注者是谁？

[更多信息需要]

个人和敏感信息

[更多信息需要]

使用数据的注意事项

数据集的社会影响

[更多信息需要]

讨论偏见

[更多信息需要]

其他已知限制

[更多信息需要]

附加信息

数据集策展人

[更多信息需要]

许可信息

[更多信息需要]

引用信息

[更多信息需要]

贡献

[更多信息需要]